Penelitian baharu telah mengenal pasti beberapa tugasan yang dilaksanakan dengan mudah oleh manusia namun sukar bagi kecerdasan buatan (AI)—terutama membaca jam analog dan menentukan hari dalam seminggu untuk tarikh tertentu. Walaupun AI mampu menghasilkan kod, imej, teks seperti manusia, dan juga lulus ujian dengan tahap yang berbeza-beza, ia sering kali salah mentafsir kedudukan jarum jam dan gagal dalam pengiraan kalendar asas. Kajian yang dibentangkan di Persidangan Antarabangsa Pembelajaran Representasi 2025 (ICLR) dan diterbitkan di pelayan pra-cetak arXiv (belum melalui penilaian rakan sebaya), menyoroti jurang besar dalam keupayaan AI melakukan tugas yang mampu dilakukan manusia sejak usia muda. Penulis utama, Rohit Saxena dari University of Edinburgh menegaskan bahawa kelemahan ini perlu diatasi supaya AI dapat digunakan secara berkesan dalam konteks yang memerlukan tindakan segera dan dunia sebenar seperti penjadualan, automasi, dan teknologi bantuan. Para penyelidik menguji pelbagai model bahasa berbilang mod (MLLM) — termasuk Llama 3. 2-Vision dari Meta, Claude-3. 5 Sonnet dari Anthropic, Gemini 2. 0 dari Google, dan GPT-4o dari OpenAI — menggunakan set data khas yang mengandungi imej jam dan kalendar. Model-model ini gagal mengenal pasti waktu jam atau menentukan hari dalam seminggu untuk tarikh sampel lebih daripada separuh masa, dengan kadar ketepatan hanya 38. 7% untuk jam dan 26. 3% untuk tugasan kalendar. Saxena menjelaskan bahawa kelemahan AI dalam membaca jam berpunca daripada kekurangan kebolehan berfikir secara spatial—tugas yang memerlukan pengesanan jarum jam bertindih, pengukuran sudut, dan mentafsir pelbagai rekaan jam seperti angka Rom atau dial bergaya. Mengenal pasti imej sebagai jam lebih mudah bagi AI berbanding membaca dengan tepat.

Begitu juga, walaupun pengiraan asas adalah asas kepada pengkomputeran, model bahasa besar tidak melakukan pengiraan melalui algoritma; sebaliknya, mereka meramalkan output berdasarkan pola data latihan. Ini menyebabkan penalaran yang tidak konsisten dan tidak berasaskan peraturan, yang menjelaskan kadar kegagalan tinggi dalam pengiraan berkaitan tarikh. Kajian ini menambah bukti yang makin meningkat bahawa cara AI "memahami" berbeza secara asas daripada pengetahuan manusia. AI cemerlang apabila terdapat banyak contoh latihan tetapi menghadapi kesukaran dengan penalaran abstrak dan generalisasi, terutamanya dalam tugasan yang menggabungkan persepsi dengan logik yang tepat. Lebih buruk lagi, kekurangan data latihan mengenai fenomena jarang berlaku seperti tahun lompat menghalang prestasi, kerana AI gagal membuat hubungan konseptual yang diperlukan. Penemuan ini menegaskan perlunya set data yang lebih kaya dan tertumpu serta penilaian semula terhadap keupayaan AI mengintegrasikan penalaran logik dan spatial, serta menonjolkan risiko bergantung secara berlebihan kepada output AI dalam tugasan yang kompleks. Saxena menekankan kepentingan ujian yang ketat, mekanisme sokongan, dan pengawasan manusia yang kerap apabila AI diberi tugasan menggabungkan persepsi dan penalaran tepat.